Обнаружение мошенничества в транзакциях с помощью пространственно-временного графового трансформера

Получение информативных представлений транзакций и последующее выявление мошеннических транзакций имеют решающее значение для обеспечения финансовой безопасности. В последние годы для обнаружения мошенничества в транзакциях применяются графовые нейронные сети (GNN). Однако из-за структурных ограничений такие методы сталкиваются с трудностями при эффективном изучении пространственно-временной информации. Кроме того, лишь немногие детекторы мошенничества на основе GNN учитывают важность включения глобальной информации, охватывающей схожие поведенческие паттерны и предоставляющей ценные сведения для обучения дискриминативных представлений. Поэтому мы предлагаем новую гетерогенную графовую нейронную сеть под названием Spatial-Temporal-Aware Graph Transformer (STA-GT) для обнаружения мошенничества в транзакциях. В частности, мы разрабатываем стратегию временного кодирования для выявления временных зависимостей и интегрируем ее в структуру графовой нейронной сети, что позволяет улучшить моделирование пространственно-временной информации и повысить выразительную способность модели. Кроме того, мы вводим трансформерный модуль для изучения локальной и глобальной информации. Попарные взаимодействия между узлами преодолевают ограничения структуры GNN и формируют взаимодействия между целевым узлом и удаленными узлами. Результаты экспериментов на двух финансовых наборах данных в сравнении с обычными моделями GNN и детекторами мошенничества на основе GNN демонстрируют эффективность предложенного метода STA-GT для обнаружения мошенничества в транзакциях.